基于改进均值模型的汽油机瞬态空燃比控制研究

结合平均值模型(MVEM)和BP网络的优点,对平均值模型进行改进,将BP网络替代均值模型中经典X-τ油膜模型,对喷油脉宽进行辨识。将改进后的均值模型和原均值模型在SIMULNK中建模,研究结果表明,采用改进后的均值模型,发动机瞬态空燃比最大偏离值和偏离时间明显得到改善,具有精度高、跟踪快速的特点,为基于模型的发动机瞬态工况空燃比的控制提供参考。     

BP和RBF神经网络在辨识内燃机燃烧过程中的应用

分析了发动机燃烧过程的研究方式,提出了用BP和RBF网络辨识内燃机燃烧过程的方法。选定神经网络的结构、隐层神经元的作用函数和控制参数,成功地得到了发动机的辨识模型,结果由RBF网络辨识的模型给出,从这一模型可以获得任意点缸内压力和温度以延拓的参数,为排放分析、计算和结构优化提供了良好的基础。     

Determination of Multi-model Set for the Adaptive Control of Fuel Cell Engine

多模型自适应控制是解决燃料电池发动机电压-电流间的非线性特性导致控制器设计困难的较好方案.本文中提出了一种包含多个线性局域模型的多模型集,其参数通过最小二乘法辨识得到.最后通过仿真数据与实验数据的比较确定模型集包含6个2阶局域模型.验证结果表明模型集有较高的准确性.     

基于神经网络的发动机空载模型辨识

发动机空载工况的辨识在车辆动力学传动系统仿真和车辆的起步，换档自动控制中起着得要的作用，分析了发动机空载工况的特点和神经网络在非线性系统辨识中的优越性，建立了发动机空载工况辨识的神经网络模型，并根据实验所得数据对４９２汽油空载工况进行了辨识，取得了满意的效果。     

用系统辨识的方法辨识发动机调速系统的模型

本文用系统辨识的方法建立发动机调速系统的等效线性模型。辨识实验中所采用的输入信号是伪随机二进制序列，参数估计中所采用的方法是最小二乘递推估计算法，模型阶次的检验是采用了Ｆ检验方法，辨识所得到的效线性模型是有两个比例环节和一个积分环节的闭环系统。     

汽车动力系统的滑模控制

汽车动力系统是一个非常复杂的系统，不仅系统的参数较多，而且有着非常严重的非线性，这使得汽车动力系统不易在线辨识，只能选用鲁棒性控制，本文采用滑模控制理论进行控制器设计，对基于循环的增压柴油发动机离散平均值模型和基于时间的传动系平均值模型进行了多级滑模面的串级滑模变结构控制，最终使车速信号能精确地跟踪给定的车速参考信号。     

电动汽车锂电池建模及参数辨识方法研究

介绍多种电池模型及其参数辨识算法,综合考虑辨识复杂程度和精度,提出一种利用一阶RC电路模型、遗忘因子最小二乘优化算法、监控平台电池孪生模型的锂电池建模及参数辨识方法,并进行实车应用验证。结果表明,该方法能够使SOC的估计误差保持在3%以内。     

船舶运动模型参数辨识研究综述

创建精确且可靠的运动模型是有效分析船舶操纵性和保障船舶智能航行的关键。相较于常用的船舶运动建模方法（包括经验法、试验法、计算流体动力学数值法），参数辨识技术是1种实用有效、迁移性强的建模手段，但因受到诸如船舶强非线性运动特性、时变耦合的环境干扰、内外多重不确定性等众多复杂因素的影响而面临极大挑战。围绕船舶运动模型参数辨识技术的4个核心内容，即最优输入设计、船舶运动数学模型、参数估计算法、辨识模型测试验证，重点梳理了富含操控特性的激励数据获取、多型船舶运动模型、经典-智能-混合参数辨识方法、辨识模型评估方法相关的研究现状，剖析了噪声干扰、参数漂移、参数时变、评价指标选取等主要问题，发现面对操纵与航行特征复杂的船舶，获取覆盖广域运动特征的高质量数据仍无较好方法，参数漂移现象与模型复杂度紧密相关，且无法完全避免。面向数据高质量化、辨识实时性、航行场景复杂化等的发展要求，对船舶运动模型参数辨识技术在船舶操纵运动数据获取与处理，如鲁棒估计与信息融合、鲁棒在线参数辨识、多新息智能算法、复杂场景下的船舶运动辨识建模如受限条件下船舶运动辨识建模等重点方面进行了展望。      

最优预瞄加速度驾驶员模型参数试验辨识方法研究

研究通过试验辨识获得最优预瞄加速度驾驶员模型物理参数的方法。采用时域辨识方法确定模型传递函数,采用非线性最小二乘法确定传递函数中所包含的物理参数,利用已知目标函数优化预瞄时间和反应时间,针对仿真数据进行了辨识分析。结果表明,该方法对驾驶员模型物理参数的辨识具有良好的效果。     

空压机激励进气噪声频响突变特征机理研究

空压机进气噪声动态响应特征,是诊断、控制发动机噪声的重要信息.由于旁支管路及声腔质量分布与声波运动的多变性表现,导致空压机进气噪声机理辨识存在难题.为了解明空压机进气噪声频率突变机理,建立了基于集中参数模型的共振腔管路声波透射数学模型.提出了旁支管对共振腔声波入射延长算法模型,分析了入射延长对透射模型动态响应,研究了系...     

纯电动汽车动力锂电池Nernst模型参数辨识

建立了电动汽车动力锂电池的Nernst经验模型,并利用遗忘因子递推最小二乘法对模型参数进行辨识。以北京市运营的纯电动环卫车的锂电池数据对所建立的模型和参数辨识算法进行验证,结果表明,所给出的方案是有效的,具有算法运算量少、模型结构简单和辨识精度较高等优点,适于电动汽车运行时对电池模型参数的在线辨识。     

混合动力汽车发动机建模方法研究

简要介绍国内外在整车仿真中常用的发动机建模方法,研究面向混合动力汽车整车控制及性能分析用的发动机建模.分析包括静态和动态在内的建模方法,如发动机稳态模型,平均值模型和键合图模型等.结合机电耦合系统,比较分析不同建模方法的适用条件和使用利弊,为合理选取并建立混合动力汽油发动机模型提供参考.     

基于频率响应的发动机混合气控制系统在线参数辨识方法

混合气空燃比控制是汽油车的基本排放控制策略。氧传感器特性等系统参数的变化会对混合气的闭环控制效果产生影响。文章介绍了基于频率响应的发动机混合气控制系统在线参数辨识方法,辨识过程不会对排放和驾驶性带来负面影响;对氧传感器和系统参数的自适应和学习,能够提高混合气控制精度,有利于降低排放。基于频率的参数辨识方法可以推广应用于具有一阶惯性延迟环节特征的物理系统。     

基于自适应模拟退火算法的轮胎模型参数辨识

针对Magic Formula轮胎模型,提出了基于自适应模拟退火算法的轮胎模型参数辨识方法;以轮胎实测数据为基础,以多垂直载荷下拟合结果与原始数据之间的加权误差平方和最小化为优化目标,构建优化流程对模型参数进行辨识;对辨识结果进行残差分析表明,自适应模拟退火算法能实现轮胎模型多参数的准确、高效辨识。     

基于模拟退火算法的锂电池模型参数辨识

为建立准确的电池模型,以精确估算电池荷电状态,本文中通过试验获取锂电池在不同充放电电流和SOC下的充放电特性,进而对不同充放电电流和SOC下的电池R及C参数进行辨识。针对该参数辨识过程中参数初始值未知、数据处理量大、易陷入局部最优点的特点,采用无需初始参数、收敛速度快、能获得全局最优解的模拟退火算法对电池R及C参数进行辨识。仿真和试验结果表明,采用以上方法建立的电池模型具有较高精度。     

用于混合动力控制的汽油机动态转矩建模仿真

针对混合动力系统能量管理及动力平稳传递控制策略开发的需要,以MATLAB/SIMULINK仿真软件为工具,建立了发动机平均值模型,模型能够根据发动机转速和节气门开度实时计算出发动机的稳态和动态转矩。在发动机动态试验台上验证了该模型,表明模型达到了需要的计算精度和实时性要求。对给定的转矩曲线进行动态跟随时发动机的节气门开度变化情况进行了仿真分析。模型可用于混合动力控制策略开发中的仿真及在线转矩估计,为并联式混合动力系统能量分配和动态协调控制中的发动机转矩反馈提供了基础。     

一种基于幂级数展开和最小二乘法的高速公路稳态速度-密度平衡关系式的辨识算法

提出了一种新的辨识Markos Papageorgiou提出的高速公路交通流模型中稳态速度-密度平衡关系式的算法.该算法分为两个步骤,第1步,利用幂级数的原理,将该关系式由非线性模型转换成线性模型;第2步,采用最小二乘法辨识线性模型,并在此基础上获得非线性模型的所有参数,从而达到辨识稳态速度-密度平衡关系式的目的.理论分析和仿真结果均表明,与传统的非线性辨识算法相比,该算法大大提高了模型辨识的运算速度,同时可以实现任意的辨识精度.     

基于小波网络的发动机瞬态工况进气流量动态辨识与预测研究

由于发动机进气系统具有复杂的非线性动态特性,因此构建了进气流量小波网络辨识与预测模型,并利用最小二乘法(DLS)对小波网络参数和预测控制率进行了学习和优化,以提高小波网络预测模型的可靠性和预测精度。作为对比建立了基于BP神经网络的预测模型,并利用瞬态工况试验数据分别对两种模型进行了仿真研究。结果表明,小波网络模型能有效地预测发动机瞬态工况进气流量,与BP神经网络预测模型相比,误差精度更高,可用于发动机瞬态工况空燃比的精确控制。     

基于GA的车用锂离子电池电化学模型参数辨识

本文中旨在对车用锂离子电池电化学模型进行参数辨识。首先在锂离子电池平均电极模型基础上,利用均匀离散的有限差分法简化电化学模型。基于对模型特性和参数类型的分析,运用遗传算法先后对固相锂离子扩散动力学参数和模型中剩余的参数进行辨识。最终通过多倍率放电实验和NEDC循环工况实验验证了算法的有效性和参数的准确性。结果表明,算法辨识的参数可保证模型输出精度,低倍率放电时单体电压偏差在±0.03V左右。     

Magic Formula轮胎模型参数辨识的一种混合优化方法

Magic Formula(MF)轮胎模型能够准确描述轮胎的侧偏特性,广泛应用于车辆动力学的研究。由于MF轮胎模型参数多,且高度非线性,从大量的试验数据中准确辨识这些参数相当困难。提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的辨识过程,先利用遗传算法得出近似最优解,再利用数值优化算法辨识出精确的参数。利用辨识出的参数计算轮胎的侧偏特性,计算结果与试验数据吻合良好,表明该方法是辨识MF轮胎模型参数的有效手段。